AI晶片主要的使用場景又可以分為雲端和終端兩大類。在雲端上，以英偉達的GPU為主導，而英特爾、谷歌的TPU以及國內的位元大陸也相繼出了自己的晶片。

國內市場並未出現一家獨大的局面，2017年不管是巨頭還是創業公司一個接一個登場。AI晶片是一個需要長線投入的產業，同時也暗藏黑馬突圍的機遇。以研發週期來計算，2018年下半年會有不少AI晶片陸續面世。bugu對整個AI晶片產業而言，2018年將是密集爆發的一年，將以指數級速度向前發展，迅速滲透消費電子、智慧駕駛、雲計算、工業、金融、醫療、教育等各個領域。

其實AI的應用和我們現在非常糾結的位置服務的應用有一些相似的地方，都是做加法的應用，比如對於AI來講，真正的有應用應該是AI+，能夠為具體的行業和大眾帶來服務，而不是單純的把AI的演算法做好就能找到好的模式和商業機會的。對於衛星導航來講也是一樣，北斗+行業中的重點在於行業，而不在於北斗。要想把AI商業化，更多的是需要各個行業中的人投入進來，研究本行業的痛點，研究怎麼把AI技術用到本行業能夠解決當前的痛點和需求，研究如何形成行業中與AI相關的良好的商業模式，才能真正的把AI 應用起來。當前這一輪AI技術的突破主要是機器學習所帶來的檢測演算法和效能的大幅度提升，而僅僅是這樣是不夠的，首先需要了解行業中的痛點需求，其次需要有行業中相關的大資料來進行模型訓練，才能真正的把AI技術應用到行業中，這些技術的突破其實重點在於行業，而不在於AI本身，所以現在的AI企業中單純做AI技術的相對比較多，大家的技術之間並沒有特別本質的區別和突破，而對於行業中的應用來講，還缺乏關鍵性的一些步驟，所以AI要真正的走向應用，需要和行業進行深度的耦合。包括AI晶片，其實AI技術對於不同的應用場景和不同的行業來講，它的模型和演算法是很難通用的，所以要做出一款應用範圍特別廣泛特別通用的AI晶片是很難的，這也就決定了單款晶片很難特別大規模的普及，而對於晶片行業來講，量不夠大就意味著無法更好的分攤成本，降低單個晶片的價格，反過來價格不夠低又意味著無法大量普及。